新しい光ベースのチップにより、AIタスクの電力効率が100倍向上

September, 19, 2025, Gainesvill--フロリダ大学（UF）エンジニアチームは、電気の代わりに光を使用して、人工知能（AI）の最も電力を大量に消費する部分の1つである画像認識や同様のパターン検出タスクを実行する新しい種類のコンピュータチップを開発した。

光を使用すると、これらのタスクを実行するために必要な電力が大幅に削減され、同じ計算を実行する現在のチップの10倍、場合によっては100倍の効率が得られる。このアプローチの採用により、電力網に負担をかけている膨大な電力需要を抑制し、より高性能なAIモデルとシステムを実現できる可能性がある。

「畳み込み（convolution）」と呼ばれるこの機械学習タスクは、AIシステムが写真、ビデオ、さらには言語を処理する方法の中心である。現在、畳み込み演算には大量のコンピューティングリソースと時間が必要である。ただし、これらの新しいチップは、回路基板上に製造されたレーザと顕微鏡レンズを使用して、はるかに少ない電力でより高速な速度で畳み込みを実行する。

テストでは、新しいチップは、従来のチップと同等の約98%の精度で手書きの数字を分類することに成功した

「ほぼゼロのエネルギーで重要な機械学習計算を実行することは、将来のAIシステムにとって飛躍的な進歩だ。これは、今後数年間でAI機能をスケールアップし続けるために重要だ」と、研究リーダーでフロリダ大学半導体フォトニクスのラインズ寄附教授であるVolker J. Sorger、Ph.Dはコメントしている。

「この種の光コンピュテーションをチップに搭載し、それをAIニューラルネットワークに適用したのはこれが初めてである」と、フロリダ大学のSorgerグループの研究准教授でこの研究の共著者であるHangbo Yang, Ph.D.は語った。

Sorgerのチームは、フロリダ大学フロリダ半導体研究所、UCLA、ジョージ・ワシントン大学の研究者らと共同で研究を行った。チームは、海軍研究局の支援を受けて、9月8日にAdvanced Photonics誌に発表した結果を発表した

プロトタイプチップは、標準的な製造プロセスを使用して2セットの小型フレネルレンズを使用している。灯台にあるのと同じレンズのこれらの2Ｄバージョンは、人間の髪の毛の幅のほんの一部である。画像やその他のパターン認識タスクからの機械学習データは、オンチップでレーザ光に変換され、レンズを通過する。結果はデジタル信号に変換され、AIタスクが完了する。

このレンズベースの畳み込みシステムは、計算効率が高いだけでなく、計算時間も短縮される。電気の代わりに光を使用することには、他にも利点がある。Sorgerのグループは、様々な色のレーザを使用して複数のデータストリームを並行して処理できるチップを設計した。

「複数の波長または色の光が同時にレンズを通過する可能性がある。それがフォトニクスの重要な利点である」(Yang)。

業界リーダーのNVIDIAなどのチップメーカーは、すでにAIシステムの他の部分に光学素子を組み込んでおり、これにより畳み込みレンズの追加がよりシームレスになる可能性がある。

「近い将来、チップベースオプティクスは、われわれが日常的に使用するすべてのAIチップの重要な部分になると考えられる。そして次は光AIコンピューティングだ」と、フロリダ半導体研究所の戦略的イニシアチブ担当副所長でもあるSorgerはコメントしている。